基于分布式在线算法的负载均衡与资源分配问题

杨强; 周刚; 张凯; 谢善益; 凌颖

沈阳工业大学学报 ›› 2026, Vol. 48 ›› Issue (5) : 24 -33.

杨强, 周刚, 张凯, 谢善益, 凌颖

作者信息 +

Author information +

文章历史 +

摘要

【目的】随着云计算与大数据技术的快速发展，边缘计算场景下的负载均衡与资源分配问题已成为研究热点。在电力物联网分布式系统中，如何高效处理海量用户请求与数据业务，在降低电力消耗成本、提升系统资源利用率的同时，保障任务稳定可靠运行，是当前亟待解决的关键技术难题。为此，本文提出一种基于分布式在线算法的负载均衡与资源分配方法，通过优化边缘计算系统资源调度策略，满足业务运行的实时性与高效性要求。【方法】构建具备边缘计算能力的分布式优化模型，依托模型实现实时态势分析与负载预测，进而动态调整计算资源配置与任务调度方案。针对负载均衡与资源分配核心优化问题，采用拉格朗日对偶分解法对原优化问题进行重构推导，并引入基于小批量学习(MBL)的分布式在线算法。该算法融合多时间尺度优化策略，可实现服务部署位置、CPU激活数量、计算资源配置等多类变量的动态自适应调整。通过多组仿真实验，测试并验证了本文算法在不同负载工况下的运行性能。【结果】仿真实验结果表明，分布式MBL算法具有明显性能优势。相较于传统轮询调度(RR)算法与最短作业优先(SJF)算法，该算法在各项关键评价指标上均优于对比算法。在电力成本控制方面，分布式MBL算法通过智能调度与资源优化配置，有效抑制了电力成本攀升，在高负载工况下运行状态更为平稳；在资源利用率方面，本文算法的CPU、内存及存储资源利用率均高于对比算法，具备更优的运行稳定性与资源利用效率；在任务丢弃率方面，依托智能队列管理与负载预测机制，本文算法可将任务丢弃率稳定控制在0.2%左右，显著低于行业标准阈值，体现了其在高负载场景下的高可靠性。【结论】综上，分布式MBL算法能够有效解决边缘计算架构下的负载均衡与资源分配问题，具备显著性能优势与良好工程应用前景。该算法可有效降低电力能耗、提升资源利用率并抑制任务丢弃率，为边缘计算环境下的资源调度提供了高效、可靠的技术方案。